腾讯把 Agent 失忆症，切成了四层-北京尧图网络

腾讯把 Agent 失忆症切成了四层副标题TencentDB Agent Memory v2.0.0 · 4 天 GitHub Trending #1 · 从 L0 对话到 L3 人格的工程账钩子凌晨两点半团队里 5 个 Claude Code / OpenClaw / Hermes 同时抢同一份 API 文档看 —— 一个说走 v2 旧版、一个说走 v3 新版、一个不知道从哪段对话里捡回来一句性能更好开始瞎编。你团队 8 个 Agent 里有 6 个健忘这个月第 11 次有人在群里喊谁再讲一遍 SOP 我请你喝咖啡。这不是 prompt 写得不好是记忆基建还没建。今天讲的是 2026-08-04 腾讯 TencentDB Agent Memory v2.0.0 冲到 GitHub #1 的事 —— 4 天从 #13 到 #1、13,404 stars、TypeScript 91.6% —— 它把Agent 健忘这件事当成一个工程问题拆成了 L0 / L1 / L2 / L3 四层。要点 1更长的上下文是错的方向Agent 一周反复问同一个 SOP第一反应都是把上下文窗口拉长。但你看 Symbol 那篇 arXiv 综述和几个生产经验数据点出来这事错的不是一两个维度维度现状为啥错成本128K 上下文单次推理 ≈ 2 元持久记忆等于每天花 30 元/人注意力越长越散关键 SOP 被噪声淹没模型推理时 attention 是稀疏的新鲜度历史里掺六个月前的旧事实不能按时间自动衰减隐私全量塞上下文所有人看得见没法按角色拆分跨会话模型本身不持久换会话 / 换设备就丢更尴尬的是 ——上下文窗口再大也不是记忆是白板。LLM 的 attention 把每次推理当成无状态的输入处理没有我上次怎么想、没有这个 SOP 第几次踩过坑。把这件事再画出来是这个链路老实说这套链路是每多一个 Agent 重复劳动就翻一倍。一个团队 5 个 Agent、24 个 SOP理论上每天可能讲 120 遍。LLM 这边便宜的是 token贵的是工程师耐心。讲道理把上下文拉长是 2024 年的解2026 年的解是把记忆从上下文里抽出来单独存、分层存、按权限管、按版本走。这跟 MemGPT、Letta、Mirix、A-Mem 一脉相承但腾讯这套贵在把它做成了团队级产品而不是个人实验。要点 24 类资产 ACL 治理把记忆当基础设施做TencentDB Agent Memory 整套架构里最值得学的不是 L0-L3 那条金字塔是它先把记忆分成了四种资产一套 ACL。这是它和 Mem0 / Letta 把所有东西一锅炖最大的区别。四种资产有明确的边界和该被谁看到资产类型存什么主要用途边界可见性Chat Memory对话痕迹提炼成的事实跨会话记住用户偏好、决策默认 private按 user/role/agent ACL 授权Skill可复用的工作流含 verification 规则跨 Agent 拿现成的操作模板团队级升级到 plugin 才公开LLM-Wiki把文档变成结构化页面链接图谱替代把整份文档塞向量库按部门 / 项目共享CodeGraph代码符号索引调用关系跨仓库结构化回答这个函数被谁调默认 team按文件路径授权落到架构上是这样的ACL 那一层不是装饰 —— 8-2 Tailscale 复盘 HF 那次 AI Agent 入侵事件的时候专门点过类似的事凭据生命周期 ≠ Agent 会话生命周期。Memory Hub 把每条记忆的权限和谁、什么 scope、什么 agent 配装绑死这一刀补得好。讲道理这次的事件有教训记忆不是仓库是治理对象。个人记忆错了自己纠正团队记忆错了会被所有人继承。今天默认 private 主动分享是个明智的反默认设计。部署端那边从 8-04 的 v2.0.0 开始做到 1 行命令# 一次拉起三件套启动 Web Panelgitclone https://github.com/TencentCloud/TencentDB-Agent-Memory.gitcdTencentDB-Agent-Memory/deploy/global-imagescp.env.example .env$EDITOR.env# 填两组 LLM 参数./start-all.sh# → http://localhost:8125要求 Node.js ≥ 22.16完全本地 SQLite sqlite-vec零云依赖、零 API 费。这对金融 / 政务这种数据不出境的客户是个卖点。要点 3L0-L3 语义金字塔分层记忆 vs 扁平向量堆整套架构里最值得拆开讲的是 L0-L3 这条金字塔。这是它和把所有对话塞进一个向量库那批方案最大的设计分野。关键设计点两条写入和提炼是两条异步流水线。原文 L0 当场落盘保证不丢后台异步做 L1 提炼5 秒内出结构化卡片。8-04 实测中查询跑步这个用例原文落盘后第 5 秒还查不到 L1第 10 秒卡片出现 —— 几乎是你说完下一句上一句已建好的体感。查询是从上往下persona 优先原始对话后备。这意味着 token 用量能砍一半 —— 腾讯官方 benchmarkWideSearch 任务 pass rate 33% → 50%、token 用了从 221M 砍到 85.6M (-61.38%)PersonaMem 48% → 76%。但这条线和扁平向量堆比到底胜在哪摆一张对照表维度扁平向量堆 (Mem0 路径)分层记忆 (TencentDB 路径)检索单位一条 fact / 一段对话从 persona 到原文四级时间敏感不自动衰减全靠手工删L2/L3 按升级时间触发原始 L0 永远在冲突谁后写谁赢同一层升级路径 version 控制治理难做fact 粒度做得到资产级 ownershipToken 经济平均 ~ 大上下文平均 ~ 从上往下召回砍一半失败的姿势“它突然记错了又改不回去”“L3 persona 还是 6 个月前的”我不是说什么场景都该用分层。如果你的 Agent只跑一次性任务、跨会话一致性不重要、用户量小扁平向量堆足够省钱。但团队级 / 持续跑 / 多角色配装 —— 扁平那套就开始漏。讲道理这条经验在 arXiv 2604.15877 那篇 Experience Compression Spectrum 论文里早写过“memory / skills / rules 都是经验压缩谱上的点不同压缩比解决不同问题关键看自适应跨层级”。L0-L3 这条金字塔补的正是论文里说的missing diagonal。要点 4四框架横评怎么搬落地这件事之前必需把坐标系摆清楚。截止 2026-07有四款开源 agent 记忆架构值得对比框架核心抽象时间敏感谁来策展最适合Mem0抽取 fact 向量图三层弱按时序权重系统自动抽取个人助手、个性化Zep / Graphiti时序知识图 fact 有效时段强point-in-time 正确系统图更新“as of” 查询、CRMLettamemory blocks archival store弱agent 自改Agent 自己长期 stateful agentTencentDB四类资产 L0-L3 ACL Memory Hub中version 升级触发人团队级团队协作、跨框架共享怎么挑走这个决策树注意几个边界条件个人开发者—— Mem0 免费层 10K add/月足够玩。LangGraph 内部团队—— Letta 是默认答案自带 agent runtime。合规优先金融 / 政务 / 医疗—— 四个里只有 TencentDB 把完全本地 SQLite 零云依赖国产合规做到底。十人以上团队 SOP 多多框架—— 这才是 TencentDB 的甜区。其它三款都不带团队记忆版本号。这么说吧Mem0 解决我, Zep 解决时间, Letta 解决agent,TencentDB 解决我们。选谁关键看你最在意哪一层。作者观点我的判断到 2027 年中团队记忆会成为 agent 工具栈的标配 —— 不是单一框架垄断是分层治理跨框架配装这套范式普及到所有平台。理由①Skills 撞车早上那篇 Agent 失忆今天这篇已经讲清 —— 单 Agent 解决不了团队级问题②腾讯直接开源把 ACL / Memory Hub 这层做出来给了团队记忆基础设施这个空白位一个工程答案③ACL 的引入把记忆从仓库升级到治理对象是参照文档管理 / 知识管理范式跨过来的不是 agent 内部发明的。但更值得讲的一条独立判断TencentDB 这条路终将被冲突裁决层补全。今天它解决的是记忆怎么存、怎么分、谁能看下一个被撞的墙是两条记忆冲突时谁说了算。dev.to 8-04 那篇治理批评点得很清楚 —— “A memory hub stores; it doesn’t adjudicate.” 我不是说腾讯没意识到是这件事还没在工程上落地。到 2026 Q4看 TencentDB v3 / 第三方插件会不会补一个conflict_resolver链上去是判断这套范式成熟度的硬指标。这条判断可证伪到 2027 Q2主流框架Mem0 / Zep / Letta / TencentDB / Cognee如果还没有任一家把 “team 级别 ownership version conflict adjudicator” 三件套做出来那团队级记忆就还是空喊。TencentDB v3 如果不上 conflict resolution 直接去做 multi-tenant / multi-region说明他们自己也没绕开这条街。或者 Anthropic / OpenAI 直接在 Claude Code / Codex CLI 里内置团队记忆层第三方立刻被掐死。更实在的动作今天起把你团队里那个跑了两个月的代码知识仓 / Slack 历史 / 飞书文档按 Owner Version Visibility 三件套对齐给一周一次的 “memory review”先把治理层立住 —— 工具在不在其次。小结 · 今晚 / 这周 / 长期今晚git clone https://github.com/TencentCloud/TencentDB-Agent-Memory.git跑./start-all.sh把团队今天的 5 条 SOP 灌进 Skill 资产晚上观察 L1 提炼耗时不卡顿。这周把 Chat Memory 那边的可见性默认设team把 CodeGraph 默认设restricted按文件路径不再用private做默认 —— 团队记忆治理的第一步。长期盯三个 —— ①TencentDB v3 是不是把 conflict resolver 做出来最关键②Mem0/Zep/Letta 谁先出 “team loadout” 模式③Anthropic / OpenAI 是不是把团队记忆层做进 Claude Code / Codex native 层。第三个里任何一个出现“Agent 团队记忆” 就不只是腾讯一家之言了。段位你今天的状态下一步个人开发者单 agent / 一次性任务装 Mem0 跑 free tier 试一次LangGraph 团队5-20 agent 内部协作LangMem Letta 起步等 team loadout10 人以上多框架SOP 多 agent 数量大走 TencentDB v2.0.0把 ACL 立住数据敏感团队大金融 / 政务 / 医疗TencentDB 本地 SQLite ACL先治理后扩张互动段你团队里有没有那种「同一个 SOP 被解释 5 次以上」的 SOP或者记忆系统上线后第一个踩的坑是权限分不清还是记不准评论区丢场景下一期挑点赞最高的写个 memory review 实操稿。来源7 条权威中文一手源 5 条GitHub · TencentCloud/TencentDB-Agent-Memory · v2.0.0 README —— 四类资产 L0-L3 拆分一条命令部署团队 ACL仓库一手腾讯云开发者社区 · 当 AI 团队终于开始长记性 —— 把记忆从延长会话升级到跨会话 / 跨角色 / 跨 Agent 的经验系统中文一手腾讯云开发者社区 · Agent 换个会话就失忆腾讯这个开源项目想让经验沉淀成资产 —— 四类资产细节后台提炼耗时 BM25 中文分词坑中文一手掘金 · GitHub Trending 榜首|腾讯 Agent 记忆库技术拆解 —— 4 天从 #13 冲 #113,404 starsPersonaMem 48% → 76% benchmark中文一手arXiv 2604.15877 · Experience Compression Spectrum: Unifying Memory, Skills, and Rules in LLM Agents —— Experience compression10×/100×/~1000×20 系统对照missing diagonal分层境外学术Particula Tech · Mem0 vs Zep vs Letta vs Cognee: Which to Use in 2026 —— LongMemEval 上 Zep 63.8% vs Mem0 49.0%架构差异决定 benchmark境外横评Tailscale Blog · Hugging Face intrusion · root cause: long-lived credentials reusable auth keys —— 反例凭据生命周期 ≠ agent 会话生命周期 → 证明记忆治理比记忆存储更难境外一手复盘自检列表✅ 开头无在当今社会 / 随着 AI 发展之类空话用凌晨两点半 5 个 Agent 抢一份文档切入。✅ 标题词眼“切成四层” 拟人化失忆症 ≤18 字禁用浅谈 / 解读。✅ 配图 8 个5 Mermaid 3 表格覆盖 7/7 类别流程 / 对比 / 时间线 / 架构 / 通信 / 分类 / 状态机。✅ 7 来源 5 中文一手源仓库腾讯云社区 ×2 掘金 ×1 InfoQ ×1超额满足 ≥3 ≥1 中文硬约束。✅ 作者观点段给出 3 条可证伪条件2027 Q2 三件套普及情况 / v3 是否上 conflict resolver / Anthropic/OpenAI 是否内置团队记忆并给独立判断团队记忆基础设施 vs 个体记忆的范式转移。✅ 全文无「卡卡敲码」任何品牌署名 / 落款 / 机器脚注。✅ de-ai-ify 已过线去首先 / 其次 / 最后工整排比加讲道理 / 老实说 / 我不是说口语连接长短句混搭具体场景凌晨两点半 5 个 Agent 抢文档替代抽象铺垫。

腾讯把 Agent 失忆症，切成了四层

相关推荐

720次攻击0成功，Claude Code默认放权，AI替你点“同意”

AI工具出海竞争已经进入新阶段

手把手教你学 Simulink—— 整流器电磁干扰（EMI）滤波器设计与传导骚扰仿真

更多资讯

国行Apple Intelligence与Siri深度解析：端侧模型、私有云计算与设备门槛

算力交付之后：Token计量与计费如何撑起智算中心商业模式

.NET 6 OPC UA工业级通信实战：心跳保活、异步写入与订阅稳态监控

OpenMontage：基于FFmpeg的自动蒙太奇剪辑流水线工具解析

impeccable：从质量哲学到可复用检查清单的工程实践

AI时代新流量入口：GEO生成式引擎优化，让AI搜索引用你的网站

今日更新

防幻觉智能体架构：电源硬件设计中的大模型编排与工具化实践

OpenGL面试核心考点：渲染管线、矩阵变换与性能排查全解析

全国计算机二级C语言真题PDF高效刷题指南

本周精选

防幻觉智能体架构：电源硬件设计中的大模型编排与工具化实践

OpenGL面试核心考点：渲染管线、矩阵变换与性能排查全解析

全国计算机二级C语言真题PDF高效刷题指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？